近红外光谱结合小波变换-径向基神经网络用于奶粉蛋白质与脂肪含量的测定

应用近红外光谱分析技术结合化学计量学方法,建立了奶粉脂肪和蛋白质含量测定的化学计量学建模新方法.首先采用Kernard-Stone法对校正集样本和预测集样本进行分类,然后利用小波变换滤波技术对样品的近红外光谱进行压缩去噪处理,结合滤波后重构光谱信号建立脂肪和蛋白质的径向基神经网络回归模型,并分别对径向基网络的扩散常数spread值及小波变换中的小波基与压缩尺度三个参数进行了详细的讨论.脂肪模型在小波基为db2及小波尺度为4、spread值为3.5时的预测模型精度最好;蛋白质模型在小波基为db8及小波尺度为4、spread值为6时,预测模型精度最好.所建立的脂肪和蛋白质校正模型的预测集相关系数(Rp)分别为0.990和0.994,预测均方根误差分别为0.007与0.004.预测结果表明,RBF网络结合小波变换进行建模预测,模型简单、稳健且精度较好,该方法适合奶粉脂肪和蛋白质含量的快速、无损测定.     

高光谱成像技术对牛肉水分含量及分布的快速检测

利用可见/近红外高光谱成像技术对牛肉水分含量 及分布进行快速检测。采用可见/ 近红外高光谱成像系统(400000 nm)采集150个黄牛肉样本的高光谱图像,利用ENVI软件 提取样本感兴趣区域(ROI)并计算平均光谱值;对原始光谱数据进行预处理并利用连续投 影算法(SPA)、竞争性自适应重加权算法(CARS)和无信息变量消除算法(UVE)进行特征 波长提取,建立基于不同特征波长的偏最小二乘回归(PLSR)模型,进而优选牛肉水分含量 预测的最优模型。通过蒙特卡罗交叉验证法剔除26个异常样本值;经卷积平滑(Smoothing - SG)法预处理后的原始光谱数据所建PLSR模型效果较好,其校正集决定系数(R²c)与预测集 决定系数(R²p)分别为0.817、0.850;利用CAR S、SPA、UVE法分别优选出12、27、27个特征 波长;对比基于全波段光谱与特征波段光谱所建PLSR牛肉水分预测模型的优劣,结果显示基 于CARS-PLSR法建立的牛肉水分预测模型效果最好,其R²_c 、R²p值分别为0.814、 0.750,校 正集均方根误差(RMSEC)与预测集均方根误差(RMSEP)分别为0.477、0.555;最后,利用CARS -PLSR模型计算牛肉样本每个像素点的水分含量并利用伪彩色图对牛肉样本水分分布进行可 视化分析,进而实现牛肉水分含量的快速检测及分布的可视化表达。该研究结果可为黄牛肉 水分含量的快速检测提供理论支撑。     

基于净分析物预处理算法的绿茶中儿茶素的近红外光谱定量分析

由于原始近红外光谱数据中含有与待测组分不相关的噪音及冗余信息,增加了偏最小二乘法(PLS)模型的复杂程度.为了简化儿茶素的预测模型,采用净分析物预处理法(NAP)对近红外光谱进行预处理,提取出待测组分的净分析物信号,然后利用PLS建立绿茶中三种儿茶素(EGCG、ECG和EGC)含量的(NAP/PLS)模型.在模型建立过程中,通过交互验证的方法优化NAP因子数及模型的主成分因子数,并且将NAP的结果与经典的标准正态变量(SNV)光谱预处理结果相比较.比较结果显示,经过NAP与SNV光谱预处理后,模型的预测结果相差不大,但是经过净分析物预处理后,模型的主成分因子数大大降低.研究结果表明,NAP光谱预处理算法能在保证精度的前提下有效地简化绿茶中儿茶素含量的预测模型.     

一种用于预测蚕丝含量占比的近红外光谱分析方法

针对近红外光谱分析技术中未充分利用预测模型光谱数据的问题,提出了一种可充分利用光谱数据和有效预测蚕丝含量占比的新方法.以5种类型共145个样本的蚕丝含量占比以及相应的所有蛋白质基光谱数据为研究对象,将这些样本分别划分为校正集和验证集,并采用偏最小二乘回归(Partial Least Squares Regression...     

紫外可见光谱检测水体COD算法研究

应用紫外可见(ultraviolet/visible,UV/Vis)光谱技术对宜昌市环境监测站水体有机物指标化学含氧量(chemical oxygen demand,COD)进行快速检测,对采集的94份水样进行UV/Vis波段全光谱扫描,采用平滑(Savitzky-Golay smoothing,SG)、一阶导数(first-derivative,1-Der)以及二阶导数(second-derivative,2-Der)对光谱进行预处理,并结合偏最小二乘回归(Partial Least Squares Regression,PLSR)对水样建立COD回归预测模型,并利用该回归预测模型预测水样COD浓度。实验结果表明采用SG平滑预处理后结合连续投影算法(Successive Projections Algorithm,SPA)选取全波段光谱中的特征波长得到的PLS模型预测精度最高,相关系数r=0.91882,预测均方根误差RMSEP=2.8156mg/L-1。进一步研究发现,使用SG平滑预处理得到的岭回归(Ridge Regression)模型精度(r=0.92,RMSEP=2.765 mg/L-1)高于PLS模型,且模型仅仅选取了4个特征波长变量,占238个全波段光谱变量的1.38%。说明针对该水样样本,利用平滑光谱预处理后,再建立岭回归模型,能节约时间和降低算法复杂度,能够快速准确地进行水样COD浓度预测,为进一步实现水样的COD浓度快速检测奠定了基础。     

紫外可见光谱检测水体COD算法研究

应用紫外可见(ultraviolet/visible,UV/Vis)光谱技术对宜昌市环境监测站水体有机物指标化学含氧量(chemical oxygen demand,COD)进行快速检测,对采集的94份水样进行UV/Vis波段全光谱扫描,采用平滑(Savitzky-Golay smoothing,SG)、一阶导数(first-derivative,1-Der)以及二阶导数(second-derivative,2-Der)对光谱进行预处理,并结合偏最小二乘回归(PartialLeast Squares Regression,PLSR)对水样建立COD回归预测模型,并利用该回归预测模型预测水样COD浓度。实验结果表明采用SG平滑预处理后结合连续投影算法(Successive Projections Algorithm,SPA)选取全波段光谱中的特征波长得到的PLS模型预测精度最高,相关系数r=0.91882,预测均方根误差RMSEP=2.8156mg/L-1。进一步研究发现,使用SG平滑预处理得到的岭回归(Ridge Regression)模型精度(r=0.92,RMSEP=2.765 mg/L-1)高于PLS模型,且模型仅仅选取了4个特征波长变量,占238个全波段光谱变量的1.38%。说明利用平滑光谱预处理后,再建立岭回归模型,能节约时间和降低算法复杂度,能够快速准确地进行该水样样本COD浓度预测,为进一步实现水样的COD浓度快速检测奠定了基础。     

应用光谱技术和支持向量机分析方法快速检测啤酒糖度和pH值

为实现啤酒糖度和pH值的快速检测,采用可见/近红外光谱仪器得到360个啤酒样本的可见/近红外光谱数据.使用主成分分析(PCA)对数据进行降维处理以消除众多信患共存中相互重叠的部分,得到6个主成分值.将样本数据随机分为定标集和预测集,利用最小二乘支持向量机(LS-SVM)算法在定标集数据基础上建立啤酒糖度和pH值预测模型,并利用此模型对预测集样本进行预测.根据预测相关系数(r)和预测标准偏差(RMSEP)判断预测模型好坏,结果表明该模型对啤酒糖度预测的相关系数r为0.9829,RMSEP为0.1506;对啤酒pH值的预测相关系数r为0.9563,RMSEP为0.0494,预测精度明显高于神经网络和PLS预测,所以利用该模型能够准确的预测啤酒的糖度及pH值.     

多光谱图像技术在土壤酸碱度检测中的应用

提出了一种利用多光谱图像的颜色特征对土壤酸碱度(pH值)进行快速无损检测的方法。首先,利用2CCD多光谱成像仪获取每个土壤样本的R、G、B、NIR图像各一幅,并对多光谱图像进行颜色空间转换,即从RGB色彩空间分别转换到HSV颜色空间和Lab颜色空间;然后提取不同颜色空间中多光谱图像的颜色特征;最后,分别将提取的颜色特征作为模型的输入变量,建立PLS和LS-SVM算法的土壤酸碱度预测模型。实验结果表明,利用多光谱图像技术对土壤酸碱度进行检测是可行的。预测模型的最佳结果如下:决定系数(R~2)为0.91,预测均方根误差(RMSEP)为0.34.     

专利算法在白酒酒精度近红外光谱分析模型转移中的应用

研究了用专利算法（Shenk＇s patented algorithm）解决白酒酒精度近红外光谱分析模型应用中的模型转移问题,建立了最佳的数学校正模型和光谱转移参数.讨论了Shenk＇s算法中的标样数及窗口大小对模型转移结果的影响.实验结果表明：验证集光谱经Shenk＇s算法模型转移后的预测结果比转移前有明显的改善,预测相对误差小于5%,这对近红外光谱模型的共享具有实际意义.     

光谱和成像融合技术检测猪肉中挥发性盐基氮

挥发性盐基氮(TVB-N)含量是评价猪肉新鲜度的重要指标。尝试融合光谱和成像技术检测猪肉中TVB-N含量。实验以不同新鲜度的猪肉样本为研究对象,同时采集近红外光谱数据和图像数据,并对其分别进行特征提取和主成分分析,利用反向传播神经网络构建猪肉TVB-N的定量预测模型。实验结果表明,融合模型要优于单一技术模型,模型交互验证均方根误差(RMSECV)为1.2975,对独立样本预测时相关系数达到0.957。研究表明基于光谱和成像融合技术检测猪肉中TVB-N含量是可行的,检测结果的准确性和稳定性较单一技术有所提高。     

玉米粉中苯甲酸的太赫兹光谱定量检测研究

为了检测玉米粉中苯甲酸的含量，控制苯甲酸在玉米粉中使用量，提高食品安全等级，采用太赫兹光谱技术对玉米粉中苯甲酸含量进行定量研究，获得了玉米粉中不同质量分数的苯甲酸在0.5THz~3THz的光谱数据。采用偏最小二乘、最小二乘支持向量机和多元线性回归构建光谱模型，未参与建模的样品用来进行模型评估, 并利用预测集相关系数R_p和预测集均方根误差e_RMSEP对模型进行了评价。结果表明, 最小二乘支持向量机模型评价能力最强，预测集相关系数R_p=0.9958，预测集均方根误差e_RMSEP=0.0057。说明太赫兹技术结合化学计量学方法可以用于定量检测玉米粉中苯甲酸的含量。     

随机森林结合直接正交信号校正的模型传递方法

为增强近红外光谱模型通用性,解决直接正交信号校正算法在光谱处理过程中可能出现过拟合、模型不稳定的现象,提出一种将随机森林与直接正交信号校正算法相结合的模型传递方法(Random Forest-Direct Orthogonal Signal Correction,RF-DOSC)。该方法首先利用随机森林算法进行近红外光谱波长点筛选,然后采用直接正交信号校正方法进行光谱处理并建立回归方程,由PLS计算回归系数求得模型传递矩阵。实验使用三台光谱仪(S,S1,S2)测得的玉米近红外光谱数据集建立传递模型,数据集1(D1)水分、油分、蛋白质、淀粉成分预测标准偏差(SEP)分别为0.1267、0.0982、0.1569和0.4051,数据集2(D2)四种成分的SEP分别为0.1548、0.0819、0.1366和0.3836,均小于传统方法。实验结果表明本文所提模型传递方法能有效消除光谱噪声,减小主仪器和从仪器光谱之间的差异,提高模型的稳定性和准确性,实现不同仪器之间模型的共享。     

Problems in bandwith measurement and a suggested solution

A recent series of bandwidth measurements by several Bell Labs and Western Electric locations on the same set of fibers (a bandwidth measurement round robin) has addressed and clarified some of the problems that cause disagreement between test sets. Three measurements out of twelve had a large standard deviation (based on the results of all participants), which raised the overall ratio of the standard deviation to the mean (sigma/mu) to 12 percent. These three fibers had double-peaked outputs; the resulting transfer functions had either a plateau or an undulating behavior around the 3-dB level: changes in the launch conditions or source spectral width could shift the plateau or undulations from above the 3-dB level to below it, producing large changes in measured 3-dB bandwidth. Reducing measurement variations for such fibers will require closer control over the launch conditions and, for short wavelength measurements, the source spectral width. In addition, using the 3-dB bandwidth from a Gaussian fit to the transfer function instead of the transfer function itself greatly reduces measurement variations and in some cases provides a better prediction of the bandwidth of fiber concatenations.     

基于TWSTFT进行钟差预报方法分析

用多项式拟合、频谱分析、改进的AR模型3种方法对由TWSTFT（卫星双向时间频率传递）得出的钟差时间序列进行了拟合和预报分析。为了抵制钟差时间序列中异常值的影响,引入了“抗差等价权”。利用TWSTFT得到的一天的钟差,按不同采样率、不同时间跨度进行计算分析,结果表明：抗差估计的预报精度明显高于最小二乘估计;平滑值的预报精度高于采样值;由于钟差时闻序列中有明显的周期变化,多项式进行钟差预报的精度不可靠;用谱分析进行钟差预报的精度不高,但可以发现钟差时间序列中的主要周期变化;改进的AR模型预报精度最高,预报RMS在1ns左右。     

缓冲剂对激光微等离子体辐射强度的影响

本文采用YJG-Ⅱ激光微区分析仪、组合式多功能光栅光谱仪、CCD数据采集处理系统、构成的激光微等离子体光谱分析系统,以国家土壤成份分析标准物质(GBW 07411)为样品,实验研究了碳粉作为缓冲剂对激光微等离子体光谱强度的影响;结果表明:碳粉作为缓冲剂增强了激光束和土壤样品表面的热耦合效率以及样品内部的能量传递效率,提高了样品的采样量,当碳粉含量为25%时,分析谱线强度明显增强.     

基于主成分分析和人工神经网络的五味子质量鉴定方法研究

提出了一种采用近红外光谱技术结合人工神经网络对中药五味子质量进行鉴别的新方法.利用近红外光谱仪获得了3种不同来源地五味子合计90个样本的光谱曲线,采用主成分分析法对光谱数据进行了聚类分析,并结合人工神经网络技术建立了五味子甲素、五味子乙素和五味子醇甲三种木脂素类化合物的分析模型.主成分分析表明,前5个主成分的累积贡献率为98.75%,具有很好的聚类作用.在主成分分析的基础上,取前5个主成分的18个吸收峰作为网络的输入节点,取3项指标作为输出节点,建立了一个18(输入节点)-10(隐含层节点)-3(输出节点)的三层人工神经网络模型.五味子甲素、五味子乙素和五味子醇甲三项指标的人工神经网络模型预测值的平均相对误差分别为4.07%、2.65%和6.15%,与高效液相色谱法测定值的符合程度很高.该模型具有很好的预测能力,可用于大批量五味子的质量检测和五味子生产加工过程中的质量控制.     

基于可见-近红外光谱特征波长选择的土壤有机质快速检测研究

选择光谱特征波长进行建模可以减少冗余波长的干扰,提高模型的预测精度。采用小波阈值消噪法对采集的104个土壤样本光谱数据进行了预处理,并通过间隔偏最小二乘法、无信息变量消除、连续投影算法和群智能算法等9种方法筛选了建模波长。结果表明,小波阈值消噪法能有效降低光谱中的噪声。利用波长选择方法筛选建模波长不仅能减少建模变量的个数,而且还能提高模型的预测精度,特别是离散粒子群优化算法利用26个波长进行建模,预测决定系数达到了0.81,预测的相对标准误差为2.31。实验结果证明,通过对光谱波长进行选择不但可以降低模型的复杂度,还能有效预测土壤有机质达的含量。     

基于拉曼光谱全谱数据的无损快速胆维丁含量定量检测方法

提出了利用拉曼光谱全谱数据结合偏最小二乘法实现胆维丁含量快速无损定量检测方法。 采用实验室自主研发的便携式拉曼光谱仪采集了39组不同含量胆维丁样品的拉 曼光谱,26组作为训练集建立偏最小二乘预测模型,13组作为测试集验证模型。测试集预测的 含量和实际含量的线性相关系数为0.999。研 究结果表明拉曼光谱全谱分析结合偏最小二乘法可以用于胆维丁含量的快速定量检测。